1.一种基于模拟退火神经网络和消除干扰的数据检测方法，其特征在于，包括如下步骤：
(1)获得扩频数据：
(1a)从10个终端用户中任选一个，作为向基站注册拟发送数据的目标用户；
(1b)基站随机产生一段数据，叠加到目标用户拟发送的数据之前，组成叠加数据；
(1c)基站从gold码矩阵中选取第一行作为扩频码，将叠加数据中的每一个元素与扩频码分别进行逻辑与操作，得到扩频数据；
(2)对扩频数据进行调制：
对扩频数据进行正交频分复用ofdm调制，得到所选一个终端用户的调制数据；
(3)判断是否选取完10个终端用户，若是，则执行步骤(4)，否则，执行步骤(1)；
(4)生成混合数据：
选择所有终端用户的调制数据中第一个元素分别进行相加，作为混合数据的第一个元素，以此类推，将混合数据的所有元素组成混合数据；
(5)对混合数据进行解调：
对混合数据进行离散傅里叶逆变换，得到解调数据；
(6)产生训练样本数据：
(6a)基站从gold码矩阵中选取第一行作为扩频码；
(6b)截取解调数据前端与基站随机产生的数据相同长度的一段数据，将其每一个元素与扩频码分别进行逻辑与操作，作为训练样本的输入数据，以基站随机产生的一段数据作为训练样本的输出数据，组成训练样本；
(7)构建模拟退火神经网络；
(7a)构造一个三层神经网络，其结构依次为输入层、隐藏层和输出层，隐藏层设置为具有不同权值和阈值的两层；
(7b)将模拟退火温度的初始值设置为80；
(7c)将隐藏层第一层和第二层的权值和阈值的初始值设置为0；
(7d)将训练迭代次数的初始值设置为0；
(8)训练模拟退火神经网络：
(8a)以训练样本的每一列作为一组元素，计算每组元素的输入和输出之间差值的绝对值，得到预测误差；
(8b)在[0,1]的实数范围内随机生成一个数，将模拟退火温度设置为当前模拟退火温度的0.9倍，计算模拟退火神经网络退火的临界值；
(8c)判断模拟退火神经网络退火的临界值是否大于0，若是，则执行步骤(8d)，否则，执行步骤(8f)；
(8d)采用如下神经网络权值的调整方法，计算模拟退火神经网络中隐藏层第一层和第二层的权值；
第一步，按照下式，计算模拟退火神经网络中隐藏层的第一层权值：
其中，d1表示模拟退火神经网络中隐藏层的第一层权值，η表示值为0.1的模拟退火神经网络的学习速率，exp(·)表示以自然常数为底的指数操作，x表示当前训练样本元素的输入值，d2表示模拟退火神经网络中隐藏层的第二层权值，k表示预测误差；
第二步，按照下式，计算模拟退火神经网络中隐藏层的第二层权值：
其中，d2表示模拟退火神经网络中隐藏层的第二层权值，k表示预测误差；
(8e)采用如下神经网络阈值的调整方法，计算模拟退火神经网络中隐藏层第一层和第二层的阈值；
第一步，按照下式，计算模拟退火神经网络中隐藏层的第一层阈值：
其中，a1表示模拟退火神经网络中隐藏层的第一层阈值；
第二步，用模拟退火神经网络中隐藏层的第二层阈值加上预测误差，得到模拟退火神经网络中隐藏层的第二层阈值；
(8f)将训练迭代次数加1；
(9)判断训练迭代次数是否小于1000，若是，则执行步骤(8)，否则，得到训练好的模拟退火神经网络，执行步骤(10)；
(10)获得模拟退火神经网络优化数据：
(10a)将步骤(5)解调数据中的每一个元素分别与步骤(6)的扩频码进行逻辑与操作，得到解扩数据；
(10b)将解扩数据与模拟退火神经网络隐藏层中第一层的权值相乘后加上第一层的阈值，得到模拟退火神经网络第一次优化数据；
(10c)将模拟退火神经网络第一次优化数据与模拟退火神经网络隐藏层中第二层的权值相乘后加上第二层的阈值，得到模拟退火神经网络优化数据；
(11)获得消除干扰数据：
(11a)将步骤(6)的扩频码的每个元素右移一位，最后一个元素放在第一位，得到移位扩频码；
(11b)用移位扩频码与步骤(6)的扩频码点乘，得到扩频码的互相关值；
(11c)用扩频码的互相关值分别与模拟退火神经网络优化数据的每个元素相乘，得到干扰数据；
(11d)用模拟退火神经网络优化数据减去干扰数据，消除扩频码的不完全正交带来的影响，得到消除干扰数据；
(12)设置初始值：
(12a)将错误元素的个数初始值设置为0；
(12b)将迭代次数的初始值设置为1；
(13)计算错误元素总数：
(13a)从消除干扰数据中依次选取一个元素；
(13b)从第一个拟发送数据中依次选取一个元素；
(13c)将消除干扰数据中所选取元素值与第一个拟发送数据中所选取元素值相减后取模，得到中间值；
(13d)中间值向上取整后与错误元素个数相加，得到错误元素总数；
(14)判断当前迭代次数是否等于消除干扰数据元素总数，若是，则执行步骤(15)，否则，将迭代次数加1后执行步骤(13)；
(15)检测数据误码率：
将错误元素总数除以消除干扰数据元素总数，得到用户拟发送数据的误码率，完成数据误码率的检测。
2.根据权利要求1所述的基于模拟退火神经网络和消除干扰的数据检测方法，其特征在于：步骤(2)中所述正交频分复用ofdm调制的具体步骤如下：
第一步，将扩频数据分割成n个子扩频数据；
第二步，按照下式，对扩频数据进行正交频分复用ofdm调制：
其中，z表示完成正交频分复用ofdm调制的数据，σ表示求和操作，n表示子扩频数据总数，z(k)表示第k个子扩频数据，exp(·)表示以自然常数为底的指数操作。
3.根据权利要求1所述的基于模拟退火神经网络和消除干扰的数据检测方法，其特征在于：步骤(8b)中所述模拟退火神经网络退火的临界值的计算公式为：
r＝rand-exp(-e/t)
其中，r表示模拟退火神经网络退火的临界值，rand表示在[0,1]的实数范围内随机生成一个数，exp(·)表示以自然常数为底的指数操作，e表示预测误差，t表示模拟退火温度。